Μια ομάδα Ρώσων μαθηματικών στην startup Mostik —που σημαίνει «γέφυρα» στα ρωσικά— ανέπτυξε μια ριζοσπαστική προσέγγιση που επιτρέπει στα μοντέλα τεχνητής νοημοσύνης να αλληλεπιδρούν μέσω μιας διαδικασίας που θυμίζει «μηχανική τηλεπάθεια». Αντί να ανταλλάσσουν κείμενο, τα μοντέλα επικοινωνούν χρησιμοποιώντας τις μαθηματικές τιμές που βρίσκονται στα «βάρη» τους (weights), τα στοιχεία δηλαδή που καθορίζουν πώς ένα αίτημα μετατρέπεται σε αποτέλεσμα. Η startup έχει ήδη χρησιμοποιήσει αυτή την τεχνική για να δημιουργήσει ένα μοντέλο που βρέθηκε στην κορυφή του ARC-AGI 3, ενός εξαιρετικά δύσκολου διαγωνισμού για τη λογική της AI.

Η Δύναμη της Συνεργασίας

Η μέθοδος αυτή επιτρέπει στις δυνατότητες ενός μεγάλου μοντέλου να τροφοδοτούν ένα μικρότερο, ενισχύοντας την ευφυΐα του με εξαιρετική αποδοτικότητα. Σύμφωνα με την Sasha Malysheva, CEO της Mostik, το μέλλον της AI δεν βρίσκεται στα «μονολιθικά» μοντέλα που βασίζονται αποκλειστικά στην κλιμάκωση (scaling). Αντιθέτως, η ίδια παρομοιάζει την προσέγγισή τους με το παλιό μαθηματικό πρόβλημα της εκτίμησης του βάρους ενός χοίρου: μια ομάδα τυχαίων ανθρώπων μπορεί να προβλέψει το βάρος με μεγαλύτερη ακρίβεια από έναν ειδικό, αν οι εκτιμήσεις τους συνδυαστούν και βγει ο μέσος όρος.

Επίδειξη Αποδοτικότητας

Για να αποδείξει την αποτελεσματικότητα της «γέφυρας», η ομάδα συνδύασε δύο κινεζικά μοντέλα ανοιχτού κώδικα: το GLM-5.2 (753 δισεκατομμύρια παράμετροι) και μια έκδοση του Qwen-3.5 (4 δισεκατομμύρια παράμετροι) που μπορεί να τρέξει σε κινητό. Το υβριδικό σύστημα που προέκυψε:

  • Κοστίζει μόλις το 1/20 της λειτουργίας του πλήρους μοντέλου GLM.
  • Παρουσιάζει απόδοση που βρίσκεται ακριβώς στο μέσο όρο των δύο μοντέλων.

Επιστημονικές Προεκτάσεις

Ο Stanislav Smirnov, επικεφαλής επιστήμονας της Mostik και κάτοχος του Fields Medal (2010), επισημαίνει ότι η εύρεση κοινού εδάφους μεταξύ δύο μοντέλων είναι μαθηματικά δύσκολη, καθώς δεν υπάρχει ακόμη η κατάλληλη γλώσσα. Η εργασία της Mostik ίσως αποκαλύψει νέα στοιχεία για τον τρόπο λειτουργίας της AI σε σύγκριση με τον ανθρώπινο εγκέφαλο, αναδεικνύοντας κοινά σημεία στον τρόπο που και τα δύο συστήματα επεξεργάζονται σύνθετα προβλήματα.